A fabrication of eco-friendly and low-cost adsorbent materials is reported for CO2 removal. Alginate nanofibers (NFs) adsorbents were prepared by incorporating poly(vinyl alcohol) (PVA) into alginate solutions via electrospinning technique from alginate biopolymers. Smooth-surfaced Alg/PVA NFs were obtained with a specific surface area of 9.197 m2 g–1. Zeolite (Z) was impregnated into polymer solutions to enhance the properties and performances of alginate nanofibers. Alg/PVA/Z NFs appeared to be rougher with a specific surface area of 25.998 m2 g–1. Both adsorbents offered great potential for CO2 adsorbent in the future. The adsorption isotherms of Alg/PVA NFs followed the Langmuir model with optimum CO2 adsorption capacity of 3.286 mmol g–1 and  Alg/PVA/Z NFs followed Dubinin-Radushkevich model with optimum CO2 adsorption capacity of 10.710 mmol g–1.

Planting of concrete piles on the soil surface must reach a layer of rock/soil that is hard enough for the building to stand firmly. Rock/soil layers can be studied through geoelectric resistivity log data. We require tools with high prices and need a complicated process to obtain such data. Therefore, a mathematical model is developed to explore geological formations using a space-time model to overcome these problems. The generalized space-time autoregressive (GSTAR) model can be applied to the resistivity data. However, this data correlates with each rock layer. Therefore, we develop a GSTAR model for time-correlated errors. In our study, the parameter index, usually for a concrete time, is applied to the relative time in the form of rock layers. This research uses geoelectric resistivity log data at six locations in Pontianak City, namely Untan 1, Untan 2, Untan 3, Jl. Sawo, Jl KPM Permai, and Gg. Beringin. The GSTAR(1,1) model with time correlation error results in an average RMSE value of 9.51605 Ωm. In addition, we obtain that the most profound peat soil depth is 17.9 m from the surface and is located in the Untan 3.Keywords: GSTAR (1,1); martingale difference; peat soil; resistivity; time-correlated error. AbstrakPenanaman tiang pancang beton pada tanah gambut harus mencapai lapisan batuan/tanah yang cukup keras agar bangunan dapat berdiri kokoh. Lapisan batuan/tanah dapat dipelajari melalui data log resistivitas geolistrik yang memerlukan alat yang mahal dan proses yang rumit untuk mendapatkan datanya. Untuk mengatasi permasalahan tersebut, dibuatlah model matematika untuk mengeksplorasi formasi geologi menggunakan model ruang-waktu. Salah satu model yang dapat diaplikasikan adalah generalized space-time autoregressive (GSTAR). Pada umumnya, data ini memiliki korelasi antarlapisan batuan. Oleh karena itu, pada penelitian ini dikembangkan model GSTAR untuk galat yang berkorelasi waktu. Indeks parameter yang biasanya menggunakan waktu konkret, pada penelitian ini diterapkan pada waktu relatif berupa lapisan batuan. Model ini disebut GSTAR dengan galat berkorelasi waktu. Data yang digunakan adalah data resistivitas geolistrik pada enam lokasi di Kota Pontianak Indonesia yang dinamakan Untan 1, Untan 2, Untan 3, Jl. Sawo, Jl KPM Permai, dan  Gg. Beringin. Hasil menunjukkan bahwa model GSTAR(1,1) dengan galat berkorelasi waktu berhasil mengestimasi nilai resistivitas geolistrik di keenam lokasi tersebut dengan nilai rata-rata geometri dari RMSE sebesar 9,51605 Ωm. Selain itu, model ini pun berhasil memperkirakan kedalaman tanah gambut terdalam (dari permukaan tanah) yang terletak di lokasi Untan 3 yaitu 17,9 m.Kata Kunci: GSTAR(1,1); pembeda martingale; tanah gambut; resistivitas; galat berkorelasi waktu. 2020MSC: 62P30

No abstract

Coronavirus Disease 2019 (Covid-19) merupakan virus yang menginfeksi saluran pernapasan. Virus ini menjadi pandemi di berbagai belahan dunia termasuk Indonesia. Kalimantan Barat merupakan salah satu provinsi di Indonesia yang cukup rentan terhadap pertambahan kasus pasien terkonfirmasi virus Covid-19 ini. Hal ini disebabkan Kalimantan Barat berbatasan langsung dengan negeri tetangga dan tingkat mobilitas yang tinggi dalam bidang pariwisata. Pemerintah perlu melakukan kebijakan yang tepat dan sesuai untuk menekan bertambahnya kasus pasien terkonfirmasi ini. Salah satu caranya adalah melakukan simulasi model probabilistik berdasarkan data covid-19 per hari di Kalimantan Barat. Model yang digunakan adalah model runtun waktu autoregresif dengan error berkorelasi waktu. Pemodelan ini bertujuan untuk mengestimasi data pada waktu yang akan datang berdasarkan waktu sebelumnya sebagai informasi yang penting. Selain itu adanya unsur korelasi waktu pada error model juga dapat menjadi faktor penentu suatu model menghasilkan estimasi yang akurat. Asumsi error berkorelasi waktu untuk α = 0.1 pada model runtun waktu menghasilkan error model yang cukup dekat dengan data aslinya dibandingkan dengan model runtun waktu yang mengabaikan asumsi errornya. Nilai RMSE yang diperoleh adalah 1.4, cukup kecil untuk ukuran error pemodelan.